4、人工神经网络：从基础到Python实现

人工神经网络：从基础到Python实现

1. 机器学习与Python

Python因其受欢迎程度、采用率和灵活性，常成为机器学习开发的首选语言。有许多Python包可用于执行各种任务，包括数据清理、可视化和模型开发，其中关键的包有Scikit - learn和Keras。

2. 人工神经网络概述

人工神经网络（ANNs）是机器学习中一类突出的模型。它是基于一组相互连接的单元或节点（称为人工神经元）的计算系统，这些人工神经元大致模拟了生物大脑中的神经元。每个连接（类似于生物大脑中的突触）可以将信号从一个人工神经元传输到另一个。接收信号的人工神经元可以处理该信号，然后向与其相连的其他人工神经元发送信号。

深度学习涉及对复杂的ANN相关算法的研究，其复杂性源于信息在整个模型中流动的复杂模式。深度学习能够将世界表示为一个嵌套的概念层次结构，每个概念都相对于更简单的概念进行定义。深度学习技术广泛应用于强化学习和自然语言处理应用中。

3. 人工神经网络的架构

ANN架构由神经元、层和权重组成，具体如下：
- 神经元 ：神经元是ANN的基本构建块，也称为人工神经元、节点或感知器。它有一个或多个输入和一个输出，可以构建神经元网络来计算复杂的逻辑命题。神经元中的激活函数在输入和输出之间创建复杂的非线性函数映射。一个神经元接收输入（x1, x2…xn），应用学习参数生成加权和（z），然后将该和传递给激活函数（f）以计算输出f(z)。
- 层 ：
- 输入层 ：从数据集获取输入，是网络的暴露部